王翔
- 作品数：7 被引量：58H指数：5
- 供职机构：东北农业大学资源与环境学院更多>>
- 发文基金：国家自然科学基金中国气象局气象关键技术集成与应用项目黑龙江省自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学天文地球更多>>
- 反射光谱特征的土壤分类模型被引量：5
- 2019年
- 土壤反射光谱综合反映了土壤的理化性质和内部结构,高光谱遥感已被用于基于土壤反射光谱特性的土壤分类。已有研究一般利用土壤反射光谱一阶微分主成分作为输入量进行光谱分类模型构建,但主成分数据缺乏物理意义,且缺乏对比性、适用范围也有限。与反射率一阶微分数据相比,基于去包络线提取具有明确物理意义的特征参数,能够提高土壤分类的精度,并寻找到一种高精度土壤分类模型。选取吉林省农安县的四种典型土壤(风砂土、草甸土、黑土、黑钙土),将采集后的土壤样本进行风干、研磨、过2 mm筛处理,采用ASD FiledSpec 3便携式光谱仪对处理后的土壤样本的可见光近红外光谱区进行测试,从而获得土壤样本的光谱数据。对光谱数据进行九点平滑、 10 nm重采样处理进行降噪,将处理后的数据分别进行一阶微分主成分以及去包络线处理。利用土壤样本的去包络线提取光谱特征参数。以一阶微分主成分数据和光谱特征参数为输入量分别代入Logistic聚类模型(LR)、人工神经网络聚类模型(ANN)、 K-均值聚类模型(K-means)。首先明确了不同土类之间的反射光谱曲线、去包络线的差异大小,以及相同土壤的反射率曲线、去包络线进行土壤分类的优劣,并且在去包络线的基础上提取能够区分不同土类的光谱特征参数;其次,比较一阶微分主成分与光谱特征参数作为输入量时,三种光谱分类模型精度差异并分析不同模型精度差异的原因。结果表明:(1)四种土壤的反射光谱曲线差异较小,去包络线可以极大的增强四种土壤在 430~ 1 210 nm之间的光谱差异,并在去包络线的基础上构建具有明确物理意义的光谱特征参数。(2)将一阶微分主成分和光谱特征参数分别代入三种聚类模型可知,以光谱特征参数为输入量的土壤光谱分类模型均超过了以一阶微分主成分为输入量的模型
- 刘焕军孟祥添王翔鲍依临于滋洋张新乐
- 关键词：土壤分类决策树
- 松嫩平原主要土壤类型含水量高光谱预测模型被引量：9
- 2018年
- 为了消除土壤类型的影响,提高土壤含水量高光谱预测精度,以松嫩平原四种典型土壤(黑土、黑钙土、草甸土、风砂土)实验室高光谱反射率为研究对象,对反射光谱曲线进行去包络线处理,提取光谱特征参数;并对反射率进行多种数学变换,分析不同土壤类型、含水量水平的反射光谱特征差异,建立考虑土壤类型差异的含水量高光谱预测模型。研究结果表明:1)混合土壤类型难以提取有效的光谱特征参数进行土壤含水量预测;2)将风砂土与其他土类分开,其他土类利用光谱特征参数建模的精度高;3)基于光谱特征参数的一元线性回归精度高,输入量少。研究成果为多个土壤类型含水量高光谱预测提供了科学依据。
- 刘焕军王翔张小康张新乐金慧凝窦欣
- 关键词：土壤类型水分
- 土壤矿物对松嫩平原主要土壤类型反射光谱特征的影响机理被引量：3
- 2018年
- 尽管纯矿物的反射光谱特征分析与数据库建设工作已经开展,但土壤中各原生矿物、粘土矿物的测试主要是定性的,即能测定土壤中含有何种矿物,但难以测定准确的矿物组分含量。土壤矿物是土壤学与地质学的交叉点,易被忽视,特别是已有研究忽略了土壤矿物对土壤反射光谱曲线的影响。探讨了土壤矿物在可见光-近红外光谱部分(400~2 500nm)对土壤反射光谱特征的影响,明确影响土壤反射光谱特征的主要机理。土壤样本于2014年采集于松嫩平原黑龙江部分,包括4个土类和7个土属,共54个土壤样本。土壤样本通过研磨、过筛后,在室内暗室中测得反射光谱数据,土壤矿物的反射光谱数据在2017美国地质调查局(USGS)最新矿物光谱库Spectral Library Version 7中获得,对反射光谱数据进行九点平滑、10nm重采样和去包络线处理。土壤矿物含量测试采用荷兰Philip X’Pert Pro型X射线衍射仪分析样品的矿物组成,测试了土壤中石英、长石、方解石和闪石等原生矿物和蒙脱石、伊利石和高岭石等粘土矿物的含量。首先分析7个土属的反射光谱特征,明确每个土属反射光谱曲线的形状特征和吸收位置,其次分析土属的矿物含量情况,找出不同土属各矿物含量的共性和差异;再次分析不同粘土矿物和原生矿物的反射光谱特征,确定不同土壤矿物反射光谱曲线的形状特征和特征吸收的位置;最后将不同土属的反射光谱特征、不同土属的矿物含量情况和土壤矿物的反射光谱特征结合,得到如下结论:(1)土壤矿物决定了土壤反射光谱的骨架特征,土壤矿物对土属的反射光谱影响最明显,由于土类存在多种反射光谱特征,土壤矿物对土类的影响不明显。(2)粘土矿物对土壤反射光谱特征的影响大于原生矿物,主要受蒙脱石和伊利石等粘土矿物的影响,但砂性土受部分原生矿物的影响,主要是长石类矿物和�
- 刘焕军王翔李厚萱孟祥添姜佰文张新乐于滋洋
- 关键词：粘土矿物
- 引入时相信息的耕地土壤有机质遥感反演模型被引量：24
- 2018年
- 土壤有机质(soil organic matter,SOM)是土壤质量评价的重要指标。监测SOM含量及其空间分布对土壤利用与保护、土壤有机碳库估算等具有重要意义。该文以松嫩平原典型区为研究区,采集4种主要土壤类型样本共147个,获取裸土期多时相MODIS地表反射率8 d合成产品,以单期、多期影像所构建光谱指数作为输入量,构建包含含水量变化与有机质含量信息的多光谱指数,建立SOM线性回归遥感反演模型,揭示SOM空间分布规律。结果表明:由于土壤含水量空间差异随时间变化,基于单期影像构建的模型主要输入量发生规律性改变,其中年积日137 d裸土条件最好,反演模型最优;比值光谱指数R61与SOM显著相关,而和含水量相关性极小,适于作为反演模型输入量;基于多期影像构建的模型引入时相信息后,精度与稳定性较单期影像模型显著提高,其中基于年积日137、105 d两期影像光谱指数所建立的多元线性模型最优;松嫩平原SOM呈现由东北向西南递减趋势。
- 张新乐窦欣谢雅慧刘焕军王楠王翔潘越
- 关键词：遥感有机质MODIS光谱指数松嫩平原
- 东北水稻叶片SPAD遥感光谱估算模型被引量：8
- 2020年
- 为通过构建高精度SPAD遥感估算模型,实现对水稻叶片叶绿素含量进行实时无损的监测,以东北地区多时期不同施氮水平下水稻叶片光谱反射率为研究对象,采用回归模型与BP神经网络算法构建不同输入量的SPAD高光谱估算模型,通过模型精度评价指标决定系数R^2、均方根误差RMSE,确定最优输入量和最优模型。结果表明:1)不同品种水稻成熟时期不同导致在孕穗期和抽穗期之间光谱反射率出现差异;2)回归模型中以DVI(D755,D930)为变量建立多项式模型估算精度最高;3)与回归模型相比,不同波长处单波段反射率作为输入量的BP神经网络模型估算精度显著提高,R^2为0.98。BP神经网络模型在隐藏节点数为7时估算精度达到稳定,在可见光和近红外处经过不同波段反射率作为输入量的尝试说明神经网络模型较为稳定,可以用来反演叶绿素相对含量。
- 张新乐于滋洋李厚萱刘焕军张忠臣赵明明王翔
- 关键词：水稻神经网络叶绿素相对含量植被指数
- 考虑水分光谱吸收特征的水稻叶片SPAD预测模型被引量：4
- 2019年
- 叶绿素是植被光合作用的重要色素,传统实验室方法测定叶绿素含量需破坏性取样且操作复杂。通过构建高精度SPAD光谱估算模型,可以实现对水稻叶片叶绿素含量的实时无损监测。以黑龙江省不同施氮水平下水稻为研究对象,采用SVC HR768i型光谱辐射仪共获取移栽后、分蘖期、拔节期、孕穗期、抽穗期共五个关键时期水稻叶片反射光谱数据。光谱探测范围350~2 500 nm。利用自带光源型手持叶片光谱探测器直接测定叶片光谱,光源为内置卤素灯。采用SPAD-502型手持式叶绿素仪同步测定水稻叶片的SPAD值。叶片水分是植物光合作用的基本原料,也间接影响着叶绿素含量。叶片含水量降低则会影响植物正常的光合作用,导致其叶绿素含量随之降低。因此将叶绿素敏感波段与水分吸收范围结合作为SPAD估算的输入量。随机森林模型是一个基于多个分类树的算法。算法在采样的过程中包括两个完全随机的过程,一是有放回抽样,可能会得到重复的样本,二是选取自变量是随机的。因此本文对叶片光谱反射率进行去包络线(CR)处理,综合考虑可见光近红外波段提取水稻叶片反射光谱特征参数和植被指数,综合分析光谱指标与SPAD相关关系,采用随机森林算法构建不同输入量的SPAD高光谱估算模型。结果表明:(1)水稻叶片SPAD与光谱反射率的相关系数在叶绿素敏感波段红波段范围(600~690 nm)、红边范围(720~760 nm)、水分吸收波段范围(1 400~1 490和1 900~1 980 nm)均为0.75以上;(2)在光谱参数与SPAD 的相关分析中, NDVI, DP2与水稻叶片SPAD值相关性最好,相关系数为0.811和0.808;(3)以结合水分光谱信息后的CR (V1, V2, V3, V4)为自变量所建立的随机森林模型精度最高, R 2为0.715, RMSE为2.646,可作为水稻叶片叶绿素预测模型。研究结果揭示了不同品种水稻的光谱响应机制,提供了水稻叶片SPAD值高精度反演的技�
- 于滋洋王翔孟祥添张新乐武丹茜刘焕军张忠臣
- 关键词：叶绿素相对含量水稻
- 基于气候分区与遥感技术的大兴安岭湿地信息提取被引量：5
- 2017年
- 针对高山湿地遥感研究的复杂性,本文提出了一种基于气候分区、面向对象分层分割的高山湿地遥感提取方法。利用MODIS归一化植被指数(NDVI)时间序列及数字高程模型(DEM)数据,在气候分区的基础上采用面向对象分类方法,进行大兴安岭地区的湿地遥感提取,并分析了2001—2013年大兴安岭湿地的时空动态变化及成因。结果表明:基于MODIS影像综合特征的面向对象方法,比基于像元的最大似然法和Logistic模型法提取湿地信息的精度更高,面向对象方法提取大兴安岭湿地制图精度为82%,Kappa系数为0.74;2001年大兴安岭地区湿地面积为414.89×104hm^2,2013年湿地面积为340.39×104hm^2,13年间湿地面积总体呈减少趋势;不同地区湿地增减趋势不同,湿地增加区域主要分布在塔河县和呼玛县,是由于2013年降雨量高于2001年降雨量引起的,而湿地农田化导致分布在甘南县和龙江县的湿地减少。研究成果将为高山湿地时空动态信息提取提供技术支持。
- 刘焕军盛磊于胜男赵慧颖高永刚秦乐乐王翔张新乐
- 关键词：面向对象分类空间插值
